はじめに
この投稿は AI-102: Microsoft Azure AI エンジニア の学習をした内容のメモです。
投稿の一覧は以下のリンク先にあります。
前の投稿
会話言語理解
会話言語理解を利用すると、あらかじめ学習した内容をもとに自然言語を理解し、入力の意図を予測するモデルを作成することができます。モデルはチャットボットなどに利用することができます。
Azure Language Studio から実際に言語理解モデルを作成してみます。
Azure AI Language リソースを指定
前回 と同様に、使用する Azure Language Service リソースを指定します。
会話言語理解プロジェクトの作成
[Understand questions and conversational language] - [Conversational language understanding] を選択します。
プロジェクト作成ウィンドウが開くので、名前と言語を入力します。
言語理解モデルでは、以下のように意図と発話を追加してきます。
- 意図：入力されたテキストを基に予測する意図です
- 挨拶
- ピザを注文
- ... など
- 発話：モデルに学習させる、意図に関連するテキストの例です
- こんにちは
- ピザをください
- ... など
意図を追加
言語理解プロジェクトの [+Add] ボタンからモデルに予測させたい意図を追加します。
発話の追加
意図を追加したら、次に意図に関連するテキスト（発話）の例を入力します。
以下では「ピザを注文」という意図の発話として、「ピザをください」というテキストを登録しています。
エンティティを追加
テキストの中の商品名、サイズ、数量といった情報をエンティティとして登録すると、テキストからエンティティを抽出することができます。
エンティティには以下の種類があります。
| 名前 | 説明 |
|---|---|
| Learned | 入力したテキストとエンティティの例をモデルが学習します。 |
| List | 指定したテキストと完全に一致する単語を抽出します。 |
| Prebuilt | あらかじめ学習済みモデルによってエンティティを抽出します。 |
| Regix | 正規表現パターンによってエンティティを抽出します。 |
モデルのトレーニング
意図、発話、エンティティが設定出来たら、モデルをトレーニングします。
検証したところ、なぜかモデルの訓練でエラーになってしまっため、以降の検証は行えていません。
モデルのデプロイ
トレーニングが終わったら、モデルを利用することができるようデプロイします。
モデルのテスト
デプロイが完了すると、モデルを利用することができるようになります。
コンテナからの利用
作成したモデルは Docker コンテナとしてオンプレミスからも利用できます
次の投稿